mindspore.ops.matrix_diag
=========================

.. py:function:: mindspore.ops.matrix_diag(x, k=0, num_rows=-1, num_cols=-1, padding_value=0, align="RIGHT_LEFT")

    返回一个Tensor，其k[0]到k[1]的对角线特定为给定对角线Tensor，其余值均填充为 `padding_value` 。
    通过 `num_rows` 和 `num_cols` 指定输出最内层矩阵的维度，其维度大小需要符合要求。如果两者都没有指定，那么算子假定输出Tensor最内层的矩阵是方阵，并从输入 `k` 和输入 `x` 最内层的维度推断出输出的具体维度大小。如果 `num_rows` 和 `num_cols` 仅指定其中一个，那么算子将推导出最小的合法值作为输出的维度。
    此外，当只有一条对角线时（即当k为整数或者k[0]==k[1]）， `x` 的第一维到倒数第二维都属于批量的范围。否则倒数第二维不属于批量的维度。

    参数：
        - **x** (Tensor) - 对角线Tensor。
        - **k** (Union[int, Tensor], 可选) - 对角线偏移。int32类型的Tensor。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且k[0]不得大于k[1]。该值必须在必须在（-num_rows，num_cols）中。默认值： ``0`` 。
        - **num_rows** (Union[int, Tensor], 可选) - 输出Tensor的行数。int32类型的单值Tensor，若该值为-1，则表示输出Tensor的最内层矩阵是一个方阵，实际行数将由其他输入推导， 即 :math:`num\_rows = x.shape[-1] - min(k[1], 0)` ； 否则，该值必须大于或等于 :math:`x.shape[-1] - min(k[1], 0)` 。默认值： ``-1`` 。
        - **num_cols** (Union[int, Tensor], 可选) - 输出Tensor的列数。int32类型的单值Tensor，若该值为-1，则表示输出Tensor的最内层矩阵是一个方阵，实际列数将由其他输入推导，即 :math:`num\_cols = x.shape[-1] + max(k[0], 0)` ； 否则，该值必须大于或等于 :math:`x.shape[-1] - min(k[1], 0)` 。默认值： ``-1`` 。
        - **padding_value** (Union[int, float, Tensor], 可选) - 填充对角线带外区域的数值，是一个与 `x` 相同的数据类型的单值Tensor。默认值： ``0`` 。
        - **align** (str, 可选) - 可选字符串，指定超对角线和次对角线的对齐方式。
          可选值： ``"RIGHT_LEFT"`` 、 ``"LEFT_RIGHT"`` 、 ``"LEFT_LEFT"`` 、 ``"RIGHT_RIGHT"`` 。
          默认值： ``"RIGHT_LEFT"`` 。

          - ``"RIGHT_LEFT"`` 表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。
          - ``"LEFT_RIGHT"`` 表示将超对角线与左侧对齐（右侧填充行），将次对角线与右侧对齐（左侧填充行）。
          - ``"LEFT_LEFT"`` 表示将超对角线和次对角线均与左侧对齐（右侧填充行）。
          - ``"RIGHT_RIGHT"`` 表示将超对角线与次对角线均右侧对齐（左侧填充行）。

    返回：
        Tensor，与 `x` 的类型相同。
        设 `x` 有r维 :math:`(I, J, ..., M, N)` 。当只给出一条对角线（k是整数或k[0]==k[1]）时，输出Tensor的维度是r + 1，具有shape :math:`(I, J, ..., M, num\_rows, num\_cols)` 。否则，输出Tensor的维度是r，具有shape :math:`(I, J, ..., num\_rows, num\_cols)` 。

    异常：
        - **TypeError** - `x` 不为Tensor。
        - **TypeError** - `x` 与 `padding_value` 数据类型不同。
        - **TypeError** - `k` 、 `num_rows` 、 `num_cols` 数据类型不为int32。
        - **ValueError** - `k` 的维度不为0或1。
        - **ValueError** - `padding_value` 、 `num_rows` 、 `num_cols` 的维度不为0。
        - **ValueError** - `k` 的大小不为1或2。
        - **ValueError** - `k` 的取值不在 (-num_rows, num_cols) 范围内。
        - **ValueError** - 当k[0] != k[1]时，k[1]小于k[0]。
        - **ValueError** - 当k为整数或k[0] == k[1]时， `x` 的维度小于1。
        - **ValueError** - 当k[0] != k[1]时，`x` 的维度小于2。
        - **ValueError** - 当k[0] != k[1]时，x.shape[-2]不等于k[1] - k[0] + 1。
        - **ValueError** - `num_rows` 和 `num_cols` 与 `x` 的维度和 `k` 的值不匹配。
        - **ValueError** - `align` 取值不在合法值集合内。